Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme Arasındaki Farklar

Yapay Zeka, Makine Öğrenimi ve Derin Öğrenmenin insan zekası ile kıyaslandığı günümüzde, bu terimler birbiriyle sık sık karıştırılmaktadır. Genellikle yapay zeka ve makine öğrenimi birbiri yerine kullanılan eş anlamlı sözcükler gibi algılansa da bu sözcükler önemli farklılıklar içeriyorlar. Bu yazımızda Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme arasındaki farkları inceledik.

10

Yapay zeka, makine öğrenimi ve derin öğrenime alanlarında çalışan uzmanlar, bu sözcükler ile ilgili henüz fikir birliğine varabilmiş değiller. Bu alanda her gün yeni kavramlar tartışmaya açılıyor. Teknolojinin gelişimi ile beraber artık hayatımızın içinde yer alıyor ve bizim bir parçamız haline geliyorlar. Genellemede bulunacak olursak yapay zeka, makine öğreniminden daha eski bir kavram ve makine öğrenimi, yapay zekanın bir alt kolu gibi görülüyor.

1950’de Alan Turing, yayınlamış olduğu bir makalede makinelerin düşünüp düşünemediğini gündeme getirmiştir. Önermiş olduğu meşhur Turing Testi ile bir makinenin zeki olup olmadığı ayırt edilebiliyor. Eğer, bir insan karşılaşmış olduğu bir etkileşimin arkasında bir insan mı makine mi olduğunu ayırt edemiyor ise o makine zeki, düşünebilen bir makine demektir. Ancak yapay zekanın asıl isim babası 1956 yılında konu ile ilgili bir akademik konferans düzenleyen John McCarthy’dir. Konferans bitiminde katılımcıların ortak görüşleri yapay zeka ile ilgili çalışmaların ileri bir seviyeye çıkarılması gerektiği yönünde olmuştur.

Öncelikli konular içerisinde bugünlerde popüler hale gelmiş olan doğal dil gelişimi, resim tanıma ve sınıflandırılması ve makine öğrenimi gibi içerikler vardı. Ancak bunlar ile gerçek gelişimleri mevcut teknolojiler nedeniyle yıllar yıllar sonra yani bugünlerde görülmeye başlandı.

Yapay zeka, makine öğrenimi ve derin öğrenmenin kronolojisi (Kaynak: Nvidia)

Son 10 yıl içinde yapay zeka, bilim kurgu filmlerinde kullanılan bir konseptten çıkıp hayatımızın içinde artık yer almaya başlamıştır. Bilgi yarışmasını kazanan IBM’in yapay zekası Watson, GO zeka oyununda dünya şampiyonunu yenen Google AI gibi gelişmeler bugün yapay zekayı hepimizin gündemine sokmuştur.

Günümüzün en büyük teknoloji firmaların hepsi yapay zekaya yatırım yapmaktadırlar. Artık cep telefonlarında, sosyal medyada, arama motorlarında ve birçok yerde daha yapay zeka hatta makine öğrenimini deneyimliyoruz.

Yapay Zeka Nedir?

Yukarıda da belirttiğimiz gibi eğer bir etkileşimin arkasında bir makinenin olup olmadığını ayırt edemiyorsak, insanlara özel yetenekte tepki veriyorsa bir yapay zeka ile karşı karşıyayız demektir.  Ancak yapay zekanın da zayıf ve kuvvetli olanları vardır.

Zayıf yapay zekalar sizin harfi harfine tarif ettiğinizi/programladığınızı yapan, onların dışına çıkmayan, elde edeceğiniz sonucu değiştirmeyen, teknolojinin ilk yıllarında imkan sunan oluşumlardır. Ancak kuvvetli yapay zekalar veriler üzerinde algoritmik hesaplar ile yorumlar yaparak verilen hedeflere farklı yollarla varabilen, işleri daha kolaylaştırabilen oluşumlardır.

Ünlü Atarı oyunu breakout’dan örnek verecek olursak, zayıf yapay zeka algoritmasında topun tuğlaları kırması gerektiği, aşağıdan beri tuğlaları tek tek kıran bir oyun izlersiniz. Oysa kuvvetli yapay zeka, elindeki verileri değerlendirerek topu tuğlaların üst tarafına göndererek çubuğun hareket etmeden, dolaysıyla topu kaybetme riskini minimize ederek oyunu bitirebilmektedir. Yani hedefe daha iyi bir yoldan ulaşabilmek için yorum katmıştır. Böylece makine, yazılım içerisinde yer almayan bir strateji geliştirerek sadece 2.5 saat içerisinde bir insanoğlundan daha iyi sonuç alacak şekilde kendini programlamıştır.

Ancak şunu göz önünde bulundurmalıyız; makine oyunu bizim gördüğümüz gibi tuğla, top ve çubuktan ibaret görmüyor, onun için bunların farklı anlamları var, onun için daha yüksek puan alabilmek için bunlar sadece değişken veriler.

Makine Öğrenimi Nedir?

Makine öğrenimi, programlanmadığı sonuçları bile açığa çıkarabilen bir tür yapay zeka olarak kabul ediliyor.

1959 yılında Arthur Samuel makine öğrenimini: “makinelerin bilhassa programlanmadığı sonuçları öğrenebilme kabiliyeti” olarak tanımlamıştır. Arthur Samuel, bilgisayar ortamında çalışabilen, kendi hatalarından ders alan ve böylece kendini geliştiren bir dama oyunu yapmıştır.

Makine öğrenimi de yapay zeka gibi yıllarca atıl durumda kalmıştır. 1990’lı yıllarda veri madenciliği kullanılmaya başlandığı döneme dek popüler olamamıştır. Veri madenciliği, elinde bulundurduğu verilerde benzer dizilere sahip, benzer motifleri açığa çıkarmak için kullanılan algoritmaların uygulamasıdır. Makine öğrenimi de aynısını yapmaktadır ancak veri madenciliği bir adım daha ileriye giderek, öğrendiği bilgiler ile ilgili programın davranışını değiştirir.

Makine öğrenimin popüler olmasını sağlayan uygulamalardan bir tanesi resim tanımadır. Bu uygulama ilk önce eğitilmesi gerekiyor. Başka bir değişle, ilgili resmin ne olduğunu makinenin öğrenebilmesi için binlerce kez benzer resimler gösterilmesi gerekiyor. Böylece makine benzer dizileri, benzer motifleri, benzer pikselleri tanıyarak artık o resimlerin ne olduğunu tanımlayabiliyor. Köpek, kedi, ağaç, ev gibi farklı resimleri ayırt edip aynı tip resimlerin birbirinin ortak noktalarını tespit ederek artık tanımlayabilir hale geliyor.

Online çalışan birçok uygulama makine öğrenimini şuan kullanmaktadır. Örneğin; Facebook size zaman tünelinde ne göstereceğini bu algoritma ile karar veriyor, Amazon hangi ürünlerini tavsiye edeceğini, Netflix hangi fimleri önereceğini yine makine öğrenimi ile karar veriyor. Ellerindeki mevcut verilere göre sizin nelerden hoşlanacağınızı tahmin edip ona göre karar veriyor.

Aslında, makine öğrenimi istatistik, veri madenciliği ve tahmin analitikleri ile o kadar içi içe olmuştur ki birçok uzman onu yapay zeka kavramından ayırmak gerektiğine inanmaktadır. Gerçekçi olmak gerekirse, makine öğreniminin yapay zekada kullanılan özelliklere bilhassa ihtiyacı yok. Ancak diğer bir açıdan bakacak olursak birçok kişi makine öğrenimi kavramını daha çok kullanıyorlar zira yapay zeka kavramı kadar korkutucu değil. Makine öğrenimi, yapay zekaya göre aktif bir şekilde çalışıyor ve günlük hayatımızda kullanmaya başladık bile.

Neticede, yapay zeka ile makine öğrenimi kavramı o kadar iç içe geçti ki günümüzde piyasaya çıkan birçok uygulamada kombine şekilde sunulmaya başlandı. Örneğin, kişisel asistanlık uygulamaları ve botlar birçok yapay zeka özellikleri ile makine öğrenimi özelliklerini aynı anda barındırıyorlar.

Derin Öğrenme Nedir?

Ne kadar çok veri olursa o kadar iyi yapay zeka özellikleri açığa çıkacaktır. İşler daha karmaşık hale gelecektir, karmaşık hale geldikçe yapay zekadan, makine öğrenimine kaymalar meydana gelecektir. Daha da karmaşık hale gelince makine öğreniminden, derin öğrenime geçişler başlayacaktır. Ne kadar çok veriniz varsa sisteminiz o kadar iyi çalışacaktır.

Makine öğrenimi tek katmanda işlem yaparken derin öğrenme birçok katmanda aynı anda işlem yapmaktadır. Bir gurup makine öğrenim algoritmalarını aynı anda kullanarak tek işlemde sonuca ulaşmaya çalışıyor.

Örneğin; bir muz resmi ile portakal resmini ayırmamız gerekiyor. Makine öğreniminde, insanoğlunun bugüne kadar edinmiş olduğu tecrübeleri, parametreler vasıtasıyla makineye tanıtmaya çalışıyorduk. İşte turuncu ise muhtemelen portakaldır, sarı ise muzdur gibisinden. Yuvarlak ise muhtemelen portakaldır, yay şeklindeyse muhtemelen muzdur gibi birçok parametreyi bizim tanımlamamız gerekiyordu.

Oysa derin öğrenme bu farklı kendi başına öğrenebilmektedir. Sadece portakal ve muz resimlerini derin öğrenme sistemine göstererek kendisi kendi kurallarını oluşturur, farkları açığa çıkarabilmek için renk ve şeklin ana ayırıcı özellikler olduğunu kendisi fark eder. Böylece temel insan yetilerini ihtiyaç duymadan, kendi ayrıştırıcı yetilerini kendi oluşturarak işlemlerini gerçekleştirebilir.

Özet

Sizin de bu terimler ile kafanız karıştıysa bilin ki yalnız değilsiniz. Bilgisayar uzmanları bu kavramları tartışmaya devam ediyor ve muhtemelen daha da edecekler. Kısa bir özet yapmak gerekirse;

Yapay Zeka, 1950’lerde açığa çıkmış olup, makinaların insanlar kadar kabiliyetli bir şekilde bazı işlemleri yapabilmesidir. Zayıf yapay zekalar sadece programladığınızı yerine getirirken kuvvetli yapay zekalar algoritmik hesaplarda bulunarak programladığınızı iyileştirebilen, hatalardan öğrenebilen sistemlerdir.

Makine öğrenimi, 1980’lerde açığa çıkmış olup veri madenciliğin kullanılması ile beraber daha popüler hale gelmeye başlamıştır. Sunmuş olduğunuz veriler ve parametreler ile benzetimler yaparak, sizden daha iyi tespitlerde bulunan, programlamadıklarınızı da açığa çıkarabilen, kendi kendini eğitebilen sistemlerdir.

Derin öğrenme, 2010’lu yıllarda kullanılmaya başlanmış, büyük veri denizi ile tek bir katmanda değil, birçok katmanda makine öğreniminde kullanılan hesapları tek bir seferde yapan, makine öğreniminde tanımlamanız gereken parametreleri bile kendisi keşfeden, belki de daha iyi parametreler ile değerlendirmelerde bulunabilen bir sistemdir.

Halk dili ile tüm bu süreçlere yapay zeka dersek, insanlardan daha hızlı öğrenen, daha nitelikli sonuçlar açığa çıkaran bu sistem önemli hale gelmekte. Putin’in “Yapay zekada lider olan, Dünya’nın hakimi olur” söylemi bu bilgiler ışığında hiç de yabana atılacak cinsten değil. Elon Musk’ın “Yapay zeka 3.Dünya Savaşı’na neden olabilir” tespitini de göz önünde bulundurmak gerekiyor.

 

Kaynak:

► machinedesign

► datamation